基于半监督编码的深度卷积对抗网络模型研究

打开文本图片集

摘 要：生成对抗网络因为在训练时具有能快速获取真实感、产生大量特征等优点，所以该方法在有监督和半监督的图像识别中逐渐得到广泛应用。文章以提高GAN（Generative Adversarial Networks）模型下的图像识别准确率为目标，基于已有的GAN模型，提出一种基于GAN模型的半监督深度学习模型，并将所建模型放入MNIST、CIFAR-10和Fashion-MNIST三种不同的数据集进行测试，结果显示，SSE-DCGAN模型在三种数据集标签数据较少时，能够很好地识别图像，在三个数据集上识别精度分别达到99.04%、83.66%、89.64%，进行消融实验的结果也表明，在模型中加入编码器后，准确率分别达到0.43%、2.55%、4.44%的提升。（剩余5306字）